壘土投資沈天瑞博士：量化不論出身，興趣是最好的老師

導讀

15歲參加高考進入復旦是一種怎樣的感受？

從心理學到量化交易是一段怎樣的征程？

"從興趣開始，能把興趣與職業很好地結合起來。"

"這實際上是一種本能，當你對一個東西有興趣的時候，你就會不斷去想一些研究方法，怎麼把這個東西搞明白。"

"思考或研究是人的本能。"

15歲參加高考並進入復旦大學學習物理；16歲開始交易，至今已經有16年國內外交易經歷；歷經中國多輪牛熊市。沈天瑞博士的身上，有著許許多多的標籤。如今，作為壘土投資首席投資官、創始合伙人，沈天瑞正引領著具有豐富本土市場經驗的團隊，搭載全球先進的系統性框架，開發出適合中國市場的對沖交易策略。一個新的標籤，正在他的身上，熠熠發光。

興趣是最好的老師

興趣是最好的老師，實踐是最好的課堂。沈天瑞博士的量化之路，從個人興趣開始。

沈天瑞自幼就按照自己的興趣來學習，無論是數學還是計算機。他接觸計算機的時間非常早，87、88年的時候，其就讀的上海市實驗學校就建立了學校機房。因此，從小學1年級開始，沈天瑞就接觸到了計算機。無論是Basic、Fortran、還是Pascal，這些編程語言他都全部自學過，包括後來的C、C++。

但是當使用了多種計算機語言後，他發現編程首先是一種思維，就是把自己所想的邏輯寫出來，接下來是演算法，所以計算機其實是一種工具。當時沈天瑞的興趣更多在自然科學上， 因此，大學時他並沒有選擇計算機專業，而是選擇了物理(光源與照明)。到了碩士、博士階段，沈天瑞開始著迷於探索人腦進行思維和成長的模式，因此選擇了心理學。沈天瑞稱，他所有專業的選擇都是基於興趣的驅動，而把自己感興趣的事情分析透徹讓他充滿成就感。

開始做投資也是如此，儘管當時國內並沒有Quant這個職業，但沈天瑞已經主動將編程、技術分析和投資結合了起來。讀大學時，他就開始把自己的獎學金放進股票賬戶，然後從最基本的模式入手，尋找規律進行分析。市場一直在變，每天都有新情況，從瞬息萬變中找到不變，讓他深深沉迷。

他說：「這其實是一種本能，當你對一個東西有興趣的時候，你就會不斷去想一些研究方法，把這個東西搞明白。興趣是交易非常重要的起點。而並不是說，我覺得Quant是一個很好的行業，所以我要努力進入這個行業。你可以先用比較簡單的方法去嘗試，然後在實踐過程中，不斷地學習，使自己的知識體系更加專業完善。」

跨界不是投身量化的阻礙

非金融專業出身的沈天瑞投身金融行業，被很多人視作是一次跨界嘗試。但在他的眼中，自己的專業知識非但不是量化事業的阻礙，反而對從事量化投資有著極大的幫助。比如，從價格的隨機變動可以映射一些粒子物理方面的模型。

沈天瑞指出，就研究本身而言，傳統意義上的研究都是自上而下的：先設立一個假說，然後通過實驗設計用數據去驗證假說正確與否，再把研究目標一步一步分解，做到精準。而現在，壘土投資則通過各種各樣的對沖工具，對研究出來的結果中的一部分進行精準下注。從這個角度而言，研究方法論、統計學和數學知識都是必不可少的。

談及心理學，沈天瑞介紹，自己所學的心理學並不是社會心理學，而是屬於認知心理學，與量化投資其實有很多相通之處。人腦是如何思維的、對各類信息大腦哪些部位相關，反應呈現怎樣的模式，這與市場針對某一信息、某一事件驅動做出反應的原理是一致的。大腦各個分區之間會有並行與相互影響，類似於投資者相互之間會有一些傳導。從研究角度來說，這些都是相通的。「當我們想方法建模時，可以從這個點切入，也可以從那個點切入，但是無論從哪個點，可能都不是完備的。但在一定範圍之內，可能它是規律的，那它就是有效的。」沈天瑞博士指出，如果分解出預測價格變動的有效規律，就可以放到自己的模型中。相較於普通研究，交易模型的結果直接影響盈虧，容不得有馬虎的地方。

大道相通，不論是讓普通人望而生畏的物理學還是如今火熱的金融市場，思考或研究是人的本能，人的大腦本能地會去歸納一些東西。沈天瑞發現，儘管有經驗的交易員會總結出一些自己的交易經驗，但做研究一定要遵循一個系統的研究方法，這些方法論的知識，不管什麼學科，都是會涉及到的。所以，關鍵不在於學的什麼學科，而在於學習過程中的思維訓練和嚴謹的態度，這些對最後的量化建模，都是非常有價值的。

編程其實就是一個工具。沈天瑞認為，對於編程的掌握程度最好要做到把它作為一種本能，進行量化投資時，效率就會得到極大提高。「量化投資對編程的要求其實就兩方面，一是一定要盡量少bug，因為它需要絕對的精確。這點上只需要細心，對技術並沒有太大要求。另一方面就是如何讓腳本運行得更快，提高效率。」他指出，不管是回測或是最後生產程序，如果速度很慢，對量化的影響就很大，除了堆疊硬體，這點需要更具創造力。「很多知識其實我們在高中就已經學了，只是長時間不用慢慢就遺忘了，所以我們需要訓練自己，保持開放的心態，不斷學習。」 作為一個別人眼中的「跨界者」，沈天瑞在金融與其他專業的結合上有著自己的見解。「跨界有時可以跳出傳統金融思想的束縛，例如行為金融。但是掌握基礎金融知識是必須的，起碼要知道自己在交易的是什麼，否則很多對別人來說不是黑天鵝的事情，對自己來說就是。」

量化投資不論出身

「前些年許多出國留學的理工科博士畢業後都會選擇量化，這也可能是很多人發現做量化的人大多出身世界頂尖學校、且學歷很高的主要原因。但這並不表明其他學生就不能從事量化投資。」沈天瑞博士指出，研究的一些基本技能和習慣是經過訓練的人要比沒有經過訓練的好，但是創造力或研究的視角，這些卻是很難說的。沈天瑞一直認為中國本土學生其實功底都很好，也有自身的獨特優勢，對跟國內市場理解更深、更接地氣，只需稍加培養，釋放出的創造力將比機械、教條照搬海外的更加強大。沈天瑞表示，壘土投資正是希望能中西結合，培養一支本土團隊，幫助他們在量化市場大放異彩。

從系統框架和方法的層面來說，沈天瑞認為海外的機構確實比中國市場現有的水平領先很多，也更為精細。量化投資在國外發展相對成熟，很多方法理論沉澱已久，在國外的學習和工作經歷的確可以加速人的成長。但是隨著越來越多從事量化投資的海外回國人員把最先進的理論和思想帶回國內，國內外在方法論上的差距正在逐步縮小，包括通聯數據現在構建的這套研究框架系統也是之前BGI一直都在使用的。沈天瑞指出，像優礦這樣的平台，其實已經植入了一些國外先進的研究方法。在這樣的環境下，國內已經能夠培養和養成之前認為在海外領先的對沖基金公司才能訓練出來的一些具有良好的投資習慣和素養的量化人才。

沈天瑞眼中的量化投資

為什麼會選擇投身量化投資？量化與傳統交易的區別又在哪裡？沈天瑞認為，量化投資與傳統交易相比，最主要的區別在於：量化投資是以一個更加理工科學的視角去看待市場的變化，然後試圖去給市場進行建模、預測。而傳統的投資，比如自下而上的投資先分析該公司基本面，從而對這個公司進行價值定位，再評判是否存在定價偏差和潛在投資機會。量化從某種程度上來說，是撇開所有這些，用純粹數學和數據的視角去看待問題。過去量化很依賴自上而下的研究，用數理統計的方法去驗證假說，尋找規律。但再過十年，機器學習將是一個新方向。「人腦不可能像機器一樣將所有的數據信息都完整地記錄在案，並能隨時快速提取。在如今這個信息膨脹的時代，資訊流動太快，已經遠遠超出人腦的可控範圍。」沈天瑞博士表示，人作為一種生物，本身存在很多生理瓶頸，不管是注意力的持續性還是思維的局限性，這些瓶頸都是不可否認的。機器學習恰恰是能夠幫助我們打破這些瓶頸的有效手段。將很多機器能夠勝任的工作編成程序，交給機器去做，那麼完成同樣的事情會更高效，最終降低所有市場參與者的成本。而且機器學習不僅能夠從大數據入手產生類似基本面投資價值發現的功能，從研究角度上也可能產生自下而上的路徑，帶來啟發。

沈天瑞覺得作為一名Quant，有3點核心特質：

1、用系統化的方式決問題，把問題分解成一個個小模塊，做好每一個模塊，有累積性地不斷精細化改進，結果是最後的輸出。

2、對研究有興趣。做研究，很有可能你做了100次嘗試，最後只有兩個有成果。這種情況下，只有你真的對研究感興趣，才能沉得住氣繼續做研究。 正確的研究方法可以幫助少走很多彎路。

3、研究、診斷、改進的正反饋循環。量化模型基於歷史數據，在樣本外實盤運行時良好的正反饋循環是：嚴謹、透徹的研究，科學的監測/跟蹤/診斷體系來接收市場交易結果的反饋，根據反饋進一步改進模型，模型更完善，同時也對模型更具信心。

工作即興趣，興趣驅動工作

「其實老實說，我本人最大的興趣愛好就是做研究，與研究有關的我也會比較關注。其次我是水瓶座，比較天馬行空一點，對一些新奇的、比較酷的黑科技之類的我都會比較感興趣。」沈天瑞如是說。

交易有時會與興趣愛好相關。比如海外很多主動交易員都是運動背景出身，他們身上的一些特質，像進取心、對狀態的控制能力等，實際上和交易是相通的。

談到做量化這行的感受，沈天瑞坦言，壓力是一定存在的，而他的解壓方法是：興趣驅動工作。他認為，壓力取決於自己對研究的把握程度，這是一個循環。如果對自己的研究比較有信心，那麼在跑研究時，其實就像是撫養孩子，看有哪些優缺點，想辦法幫他成長。這是正循環，這種情況會給自己帶來成就感。但還有另一種情況，研究過程中有疏忽，對自己的研究信心不足。在交易時，人對信息的接收是有選擇性的，此時就會更容易接收到一些負面信息，然後想辦法去改變，最後就會覺得市場壓力不斷堆積。所以，可能在一開始對研究多花些功夫，後面的過程就會輕鬆很多。

「九尺高台，起於壘土；千里之行，始於足下。」沈天瑞說，當初把這句話定為壘土投資的標語，正是因為他希望一步步去把一些小的事情做好。從研究的角度，也是希望團隊能仔細認真做好每一個研究框架，把每一個模塊做細做精，最後輸出的業績是根據某一些模塊打造出來的結果：投資者有什麼偏好，壘土就可以生成相應的結果。從這方面自下而上來說，他們並不是從一個結果去倒推如何開發策略，而是更傾向於最初就把模塊做好，讓它能自動生成不同的有效結果。

附錄

1、當問沈天瑞對剛剛進入我們這一行的包括優礦的用戶、學生、以及量化投資愛好者有什麼推薦的學習資料及網站時，他第一推薦的就是BGI大牛出的《主動投資組合管理》。

沈天瑞說這是非常經典的一部著作，裡面大部分其實沒有涉及太深的知識，都是一些金融知識，對理工科的學生來說，其實沒有太大的門檻。對於要做市場中性或者要做阿爾法以及要通過量化來做因子研究的投資者來說，基本上也是一個比較標準的教材。他認為這本書里有很多科普的知識來告訴學習者要用哪些基礎的標準去衡量、判讀，然後自己動手進行實踐。在這個過程中，還可以在學術網站搜索一些經典文獻，這對於量化入門都是有一定幫助的。

2、沈天瑞博士寄語：

其實大家都是在一個學習的過程當中，市場也一直在變，所以說保持一個較為開放的心態才是最重要的。技術更多的只是一個工具，如果熱愛研究，技術上的鴻溝是很容易跨越的，但是要保持願意不斷學習研究的心態。

欲了解更多關於沈天瑞博士內容，請點擊我！

更多精彩活動，盡在這！